Künstliche Intelligenz (KI) wird oft als ein großer Durchbruch beschrieben, der Aufmerksamkeit erfordert, wobei alle Unternehmen ermutigt werden, eine „KI-Strategie“ zu haben. Die zugrunde liegende Technologie der KI, die die Ergebnisse produziert, die diesen Standpunkt antreiben, ist maschinelles Lernen unter Verwendung von tiefen neuronalen Netzen („Deep Learning“). Deep Learning hat tatsächlich bedeutende Durchbrüche hervorgebracht, wie die Verbesserung der Spracherkennung und des natürlichen Sprachverständnisses von digitalen Assistenten wie Apples Siri, Google Assistant und Amazon Alexa. Deep Learning hat auch zu weiteren geschäftsspezifischen Anwendungen geführt, wie etwa der Reduzierung des Energieverbrauchs in den Rechenzentren von Google oder der schnelleren Entfernung anstößiger Inhalte bei Facebook.
Was ist Deep Learning?
Aber Deep Learning basiert nicht auf neuen Erfindungen. Die zugrunde liegende Technologie existiert seit Jahrzehnten. Zum Beispiel wurde die Technik der „Rückpropagation“, die verwendet wird, um das beste tief neuronale Netz für einen Datensatz zu finden, 1986 von Rumelhart, Hinton und Williams entwickelt. Ein 729-seitiges Buch des MIT Press, NeuroComputing: Foundations of Research, veröffentlicht 1988, druckt 43 Artikel zu diesem Thema nach. Als die Kraft des Deep Learning offensichtlich wurde, haben Forscher natürlich wesentliche methodische Verbesserungen vorgenommen, aber niemand behauptet, kürzlich die zugrunde liegende Technologie „entdeckt“ zu haben.
Wenn die Methodik nicht neu ist, was hat dann dazu geführt, dass KI einen solchen Einfluss hatte? Die Antwort ist einfach: Die Zunahme der Rechenleistung und des Speichers von Computern hat einen Schwellenwert überschritten, der es den Methoden ermöglicht, praktisch zu sein. Als dieser Autor 1972 ein Buch über maschinelles Lernen zur Mustererkennung schrieb, war Rechenleistung etwa eine Milliarde Mal teurer als heute. Als ein Unternehmen, das ich gegründet habe, ein Jahrzehnt später die Technologie zur Entwicklung der Spracherkennung anwandte, war es typisch, eine maschinelle Lernanalyse über mehrere Monate durchzuführen, bevor sie konvergierte. Diese Einschränkung führte zu dem, was als „KI-Winter“ bezeichnet wurde, in dem die Forschung an der zugrunde liegenden Technologie diskreditiert wurde.
Eine technische Voraussetzung
Ein Teil des Wachstums der Rechenleistung war die Verbesserung von Computerchips, wie sie durch das Moore’sche Gesetz beschrieben wird, das besagt, dass sich die Anzahl der Transistoren auf einem Chip etwa alle zwei Jahre verdoppelt. Die Kosten für eine Stunde Rechenleistung sind ebenfalls etwa im gleichen Tempo gesunken.
Deep Learning ist nur eine Technologie, die mit der Zeit durch die steigende Rechenleistung ermöglicht wurde. Smartphones, die einen signifikanten Einfluss auf unser Leben hatten, sind ein offensichtliches Beispiel.
Welche Grenzen?
Wird das Wachstum der Rechenleistung anhalten oder die Grenzen des Moore’schen Gesetzes erreichen? Andere Trends könnten tatsächlich die Wachstumsrate der erschwinglichen Rechenleistung beschleunigen. Ein langfristiger Trend ist die Quantencomputing, aber auch kurzfristige Trends fördern die Verbesserung. Dazu gehört das Wachstum des Cloud Computing, bei dem Rechenleistung gemietet werden kann, anstatt teure Investitionen in einen Server-Park zu erfordern. Darüber hinaus werden spezialisierte Chips wie Grafikprozessoren in Rechenzentren integriert, die parallele Berechnungen für spezialisierte Aufgaben wie Deep Learning bereitstellen. Durch die gleichzeitige Durchführung mehrerer Prozesse simultan ermöglicht das parallele Rechnen eine signifikante Beschleunigung für geeignete Aufgaben.
Darüber hinaus erhalten Geräte, die das Cloud Computing mit Individuen verbinden, wie Smartphones und Autos, bei jedem neuen Modell mehr Rechenleistung. Dies erhöht zusätzlich die gesamte Rechenleistung.
Ein starker Trend zur KI
Künstliche Intelligenz ist nichts Neues, sie spiegelt lediglich das Wachstum der „Rechenintelligenz“ wider, wie ich es in meinem jüngsten Buch charakterisiert habe. Wenn der Einfluss der KI nur ein Beispiel für das exponentielle Wachstum der Rechenleistung im Laufe der Zeit ist, können wir in Zukunft mit weiteren Durchbrüchen rechnen, da sie neue Schwellenwerte erreicht – möglicherweise sogar schneller als in der Vergangenheit.
Das Fortsetzen der heutigen Trends wird beispielsweise zu immer personalisierteren digitalen Assistenten führen, die einfach zu nutzen sind und zunehmend Informationen und Dienste bereitstellen. Die Interaktion mit Computern wird zunehmend wie ein menschliches Gespräch werden. Kinder, die mit einem digitalen Assistenten auf dem Smartphone oder der Smartwatch aufwachsen, werden feststellen, dass eine solche „erweiterte Intelligenz“ fast ein Teil des menschlichen Seins wird.
Künstliche Intelligenz ist eine Kategorie symptomatischer Anwendungen dessen, was kommen wird, angetrieben durch den langfristigen Trend der Zunahme der Rechenleistung. Allgemeiner gesagt, wird die Rechenintelligenz unser Leben auf immer überraschendere Weise beeinflussen.
